基于主成分分析和支持向量回归机组合模型的电子商务信用风险度预测研究

夏晗

[摘要]随着电子商务的快速膨胀，信用风险对电子商务发展的影响越来越突出。信用风险已成为电子商务企业所面临的最主要风险之一。文章结合企业的财会指标和电子商务运营能力构建企业电子商务信用风险度预测指标，并利用主成分分析对指标进行筛选，在此基础上通过支持向量回归机对电子商务信用风险度进行预测，并进行实证检验，实证结果表明，此方法与标准支持向量回归机和神经网络相比具有更高的分类精度，证实了该方法的可行性和优越性，为电子商务建立可靠的信用风险度预测系统提供依据。

[关键词]电子商务；信用风险度；支持向量回归机；主成分分析；预测

DOI：10.3969/j.issn.1008-0821.2015.01.014

[中图分类号]F724.6；F713.36 [文献标识码]A [文章编号]1008-0821（2015）01-0076-04

随着电子商务的快速发展，信用风险已成为参与电子商务企业所面临的最主要风险之一。电子商务交易双方不直接接触，它是基于信用基础上的交易。从买方的角度看，只能通过网上对产品的描述来了解产品质量，但是无法掌握卖方的资产、生产等详细情况，对卖方是否能按时交货，货物质量数量有无保障都存在疑惑。从卖方角度看，他们不能了解买方能否按时足额交付货款。双方交易过程中，经常会出现货不对板、欺骗货款、欺骗货物样品、虚假交易、假冒行为、合同诈骗、网上拍卖哄抬标的、侵犯消费者合法权益等行为，因此买卖双方会出现由于信息不对称导致的交易不信任，电子商务信用问题成为制约电子商务健康快速发展的瓶颈。基于此，近年来政府及企业已经逐渐重视电子商务信用体系的构建，并开始构建规范的企业和个人征信体系。

由于电子商务的迅猛发展，电子商务发展至今的20年间，国内外学术界对这一新型的商务交易模式已经进行了大量的研究，但是有关电子商务信用风险研究并不多，国内外的研究大都侧重于电子商务信用风险的形成机制和机理研究，有关电子商务信用风险评估方法的研究很少。国内目前的研究方法主要是综合评判、统计分析和人工智能方法，张兰怡、阙丹文等建立了累进加权评价的电子商务评价方法。张明等利用统计多元分析方法对电子商务信用风险进行了分类，获得了较好的分类效果。在评价指标方面，魏明侠等从对网购者对信用风险感知的角度建立了一套评价指标体系，支出违约对于消费者的感知程度较强，但是目前尚未形成全面的评价指标体系。国外学者对于电子商务环境下信用风险评估研究的重点为具体应用方面，主要是通过数学模型进行信用等级评定，例如chenga和chian采用数据包络分析方法（DEA）建立电子商务交易中个人信用评估模型，其中主要采用决策树、神经网络等方法建立数学模型。Wang等人利用马尔科夫链对电子商务信用风险进行评价分析。

目前国内外有关电子商务信用风险预测方法主要是以综合评判法及其结合模糊数学的改进方法和统计分析法为主，在人工智能方面的研究比较少。研究表明人工智能方法的信用风险评估精度比其他方法优越。支持向量机在小样本训练方面比其他人工智能方法更胜一筹，而且该方法的泛化能力非常强。而支持向量机方法目前主要应用于金融行业的信用风险评估，对电子商务信用风险评估涉及较少。而且目前的研究主要是对电子商务信用风险的两级分类研究，无法精确预测企业信用风险度的高低，同时在评价指标方面主要考虑企业的财会指标，未将企业的电子商务运营能力考虑在内。基于此，本文提出运用主成分分析和支持向量回归机组合模型对电子商务信用风险度进行预测，同时在评价指标方面不仅考虑企业的财会指标，还将企业的电子商务运营能力考虑在内，构建一个比较全面的评价指标体系。实证分析结果表明该方法具有比较高的预测精度和效率，为企业进行电子商务信用风险度预测提供参考。

1.主成分分析与支持向量回归机组合模型

1.1模型设计

在模型中主成分分析（PCA）和支持向量回归机（SVR）的作用分别是：主成分分析用来约减属性，减少支持向量回归机输入指标的个数；支持向量回归机对输入指标进行分析处理，得到信用风险度预测值。因此这两种方法是以串联方式组合在一起的，即主成分分析的处理结果作为支持向量机的输入，把这两种方法组合在一起，如图1所示。endprint